MétaCan
Menu
Back to cohort
Record W4403809845 · doi:10.18192/aporia.v14i2.7263

La normalisation troublante de la mort médicalement administrée au Québec et au Canada : état des lieux

2024· article· fr· W4403809845 on OpenAlexaffvenueabout
Pier‐Luc Turcotte, Trudo Lemmens

Bibliographic record

VenueAporia · 2024
Typearticle
Languagefr
FieldHealth Professions
TopicHealth, Medicine and Society
Canadian institutionsUniversity of TorontoUniversity of Ottawa
Fundersnot available
KeywordsHumanitiesArt

Abstract

fetched live from OpenAlex

Le Québec est récemment devenu l’épicentre de l’aide médicale à mourir (AMM) dans le monde, enregistrant une hausse sans précédent du nombre de décès par AMM. L'objectif de cet article est d'entamer une discussion critique sur l’évolution de l’AMM au Québec, en s’appuyant sur l’expérience canadienne et internationale pour dégager quelques pistes explicatives propres au cas particulier du Québec. Dans un premier temps, nous reviendrons sur le cas de la Californie qui a légalisé le suicide assisté en même temps que le Canada mais qui n’a pas connu une hausse aussi importante. Ensuite, nous commenterons quelques aspects particuliers du système d’AMM canadien qui peuvent expliquer la hausse fulgurante de la pratique au Canada et au Québec en comparaison avec des régimes plus libéraux comme en Belgique et aux Pays Bas. Parmi les explications, nous aborderons la méconnaissance de la souffrance dans le contexte du handicap, devenue le critère ultime pour établir l’admissibilité des personnes handicapées. Nous observons également que le débat sur l’AMM a été déformé par une rhétorique de droit constitutionnel, et par la conception de l’AMM comme un soin parmi tant d’autres, au point d’être priorisée plutôt que traitée comme un véritable dernier recours, en contraste avec d’autres juridictions. Finalement, nous évoquons la façon consensuelle dont se produisent certains débats qui ne favorisent pas l’expression d’opinions dissidentes, contribuant à camoufler certains risques de dérives bien réels.

Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.

How this classification was reachedexpand

Full frame distilled prediction

Teacher imitation

Not calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.

metaresearch head score (Codex)0.006
metaresearch head score (Gemma)0.001
Version: codex-gemma-dda1882f352aValidation status: machine_predicted_unvalidated
Candidate categoriesResearch integrity
Consensus categoriesnone
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Not applicable · Consensus signal: Not applicable
GenreCandidate signal: Empirical · Consensus signal: Empirical
Teacher disagreement score0.396
Threshold uncertainty score1.000

Codex and Gemma teacher scores by category

CategoryCodexGemma
Metaresearch0.0060.001
Meta-epidemiology (narrow)0.0000.000
Meta-epidemiology (broad)0.0000.000
Bibliometrics0.0000.000
Science and technology studies0.0010.000
Scholarly communication0.0000.000
Open science0.0000.000
Research integrity0.0010.003
Insufficient payload (model declined to judge)0.0010.000

Machine scores (provisional)

The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.

Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.

Opus teacher head0.040
GPT teacher head0.424
Teacher spread0.384 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; a candidate call from one teacher head, not a consensus.

Study designNot applicable
Domainnot available
GenreEmpirical

How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".

Quick stats

Citations0
Published2024
Admission routes3
Has abstractyes

Explore more

Same venueAporiaSame topicHealth, Medicine and SocietyFrench-language works237,207